Effect of Adopting the New Race-Free 2021 Chronic Kidney Disease Epidemiology Collaboration Estimated Glomerular Filtration Rate Creatinine Equation on Racial Differences in Kidney Disease Progression among People with Human Immunodeficiency Virus: An Observational Study
Notice bibliographique
Résumé
Background: The impact of adopting a race-free estimated glomerular filtration rate (eGFR) creatinine (eGFRcr) equation on racial differences in chronic kidney disease (CKD) progression among people with human immunodeficiency virus (PWH) is unknown. Methods: We defined eGFR stages using the original race-adjusted Chronic Kidney Disease Epidemiology Collaboration (CKD-EPI) eGFRcr equation and the new race-free CKD-EPI eGFRcr equation. We then estimated 5-year probabilities of transitioning from baseline kidney function to more advanced eGFR stages and examined the association of race (black vs white) with rates of CKD progression using Markov models. Results: With the race-adjusted eGFRcr equation, black participants (n = 31 298) had a lower risk of progressing from eGFR stage 1 to 2 (hazard ratio [HR], 0.77; 95% confidence interval [CI],. 73-.82), an equal risk of progressing from stage 2 to 3 (1.00;. 92-.07) and a 3-fold risk of progressing from stage 3 to 4 or 5 (3.06; 2.60-3.62), compared with white participants (n = 27 542). When we used the race-free eGFRcr equation, 16% of black participants were reclassified into a more severe eGFR stage at baseline. The reclassified black individuals had a higher prevalence of CKD risk factors than black PWH who were not reclassified. With the race-free eGFRcr equation, black participants had a higher risk of disease progression across all eGFR stages than white participants. Conclusions: The original eGFRcr equation systematically masked a subgroup of black PWH who are at high-risk of CKD progression. The new race-free eGFRcr equation unmasks these individuals and may allow for earlier detection and management of CKD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».